마르쿠스 후터

🏷️ LLM 머신러닝 교수 NeurIPS논문 Star

개요

마르쿠스 후터(Marcus Hutter)는 Google DeepMind 시니어 리서치 사이언티스트이자 호주국립대학교(ANU) 명예 교수입니다. AIXI 프레임워크의 창시자로, 이론 컴퓨터 과학과 AI의 접점에서 범용 지능의 수학적 형식화를 평생의 과제로 삼아온 연구자입니다.

2000년 AIXI를 발표한 이래 25년 이상 동일한 핵심 질문을 탐구해왔습니다. "계산 가능한 모든 환경에서 최적으로 행동하는 에이전트를 수학적으로 정의할 수 있는가?" 이 질문에 대한 그의 대답이 AIXI이고, 그 실험적 검증 시도가 허터상(Hutter Prize)입니다.

셰인 레그(Shane Legg)와 함께 개발한 Legg-Hutter 보편 지능 측도는 지능을 수치로 정의한 최초의 엄밀한 시도 중 하나로, 이후 AI 평가 이론의 출발점으로 자주 인용됩니다. IJCAI 2023 공로상, Lindley Prize 2006, Kurzweil AGI Prize 2009 등 다수의 수상 이력을 갖습니다.

생애

후터는 1967년 4월 14일 독일 뮌헨에서 태어났습니다. 뮌헨 공과대학교(TU Munich)에서 컴퓨터과학 학사, 석사, 하빌리타치온(Habilitation)을 받았고, 루트비히 막시밀리안 뮌헨 대학교(LMU Munich)에서 물리학 박사학위를 취득했습니다. 박사 논문 주제는 "QCD에서의 인스턴톤(Instantons in QCD)"이었으며, 지도교수는 하랄트 프리치였습니다.

박사 졸업 후 스위스 루가노의 IDSIA(Istituto Dalle Molle di Studi sull'Intelligenza Artificiale)에서 유르겐 슈미트후버(Juergen Schmidhuber) 그룹에 합류했습니다. 이 시기 솔로모노프 귀납과 강화학습을 결합한 AIXI 이론을 정립하기 시작했습니다.

이후 호주국립대학교 컴퓨터과학대학 교수로 부임했으며, 2020년대 초부터 Google DeepMind 시니어 리서치 사이언티스트를 겸직하고 있습니다. DeepMind 런던 오피스와 ANU 캔버라 소속을 함께 유지하며 이론 AI 연구를 이어가고 있습니다. 2024년에는 Universal AI 입문서 개정판을 출간하여 2005년 초판 이후 20년간의 연구 진전과 ASI 안전 챕터를 추가했습니다.

업적

후터의 핵심 기여는 AIXI 모델입니다(2000, arXiv cs/0004001). AIXI는 솔로모노프 귀납과 순차 결정 이론을 결합해, "계산 가능한 모든 환경에서 기대 보상을 최대화하는 이론적 최적 에이전트"를 정의합니다. 이를 Springer 단행본 "Universal Artificial Intelligence: Sequential Decisions Based on Algorithmic Probability"(2005)로 집대성했습니다. AIXI는 계산 불가능(non-computable) 모델이지만, 범용 에이전트의 이론적 상한선을 정의함으로써 근사 구현들의 기준점이 됩니다.

셰인 레그와 공저한 "Universal Intelligence: A Definition of Machine Intelligence"(Minds and Machines, 2007)는 Legg-Hutter 측도를 제안해 지능을 계산 가능한 환경들의 가중 평균 성과로 정의했습니다. 이 측도는 이후 AGI 정의 논쟁에서 핵심 참조점이 됐습니다.

2006년에는 허터상(Hutter Prize)을 개설했습니다. 영어 위키피디아 텍스트 1GB를 최소 크기로 무손실 압축하는 알고리즘에 최대 50만 유로를 수여하는 대회로, "압축 = 예측 = 지능"이라는 핵심 아이디어를 실험적으로 검증하기 위한 것입니다. 2026년 6월에는 셰인 레그 등 Google DeepMind 연구자 14인과 공저한 "From AGI to ASI" 보고서를 발표했습니다. AGI 이후 ASI(초지능)로 전환하는 경로와 위험을 분석한 57페이지짜리 논문으로, AIXI 이론이 핵심 이론적 배경으로 등장합니다.

여담

후터의 연구는 인공지능 이론의 정중앙에 있지만, 실용적 시스템과는 의도적으로 거리를 둡니다. AIXI는 원칙적으로 계산 불가능하며, 그 자신도 이를 인정합니다. 그가 추구하는 것은 "이상적으로 지능적인 에이전트가 무엇인지"를 수학적으로 규정하는 것이지, 당장 구현 가능한 시스템을 만드는 것이 아닙니다.

물리학 박사로 출발해 컴퓨터과학 이론으로 전환한 이력도 독특합니다. QCD 인스턴톤 연구에서 알고리즘 정보 이론으로 이어지는 전환은, 두 분야 모두에서 "근본적인 기술(description)의 최소 단위"를 탐구한다는 공통점에서 비롯됩니다. 솔로모노프 귀납 자체가 콜모고로프 복잡도 기반이고, 이는 최소 기술 길이(MDL)를 물리법칙과 유사하게 다룹니다.

2025년 Cole Wyeth와 공저한 논문에서 AIXI를 일반화된 효용 클래스로 확장하는 방법을 제안하는 등, 고령의 연구자임에도 AIXI 이론의 한계를 직접 보완하는 연구를 계속하고 있습니다. LLM 시대에 범용 지능의 수학적 기초를 다지는 작업의 중요성은 오히려 커졌다는 것이 그의 입장입니다.

주요 논문